基于支持向量顺序回归机对农业经济预警的研究

在统计学习理论与支持向量机理论方法的基础上,将支持向量顺序回归算法与宏观经济预警研究相结合,建立了基于支持向量顺序回归经济预警模型;通过编制Matlab软件程序,结合黑龙江省经济数据,获得经济预警的分类超平面和预测警限区间,并进行内插和外推检验。结果表明,该预警模型预测的可靠性和拟合是有效可行的,具有很高的精度。     

基于ε-支持向量回归机的小菜蛾预警模型

基于ε-支持向量回归机算法建立了小菜蛾在多发季节的预测模型,通过对广东省蔬菜小菜蛾试验数据进行分析,结果表明,在选择惩罚因子c为43、核函数参数κ为0.2的情况下,ε-支持向量回归机预警模型取得了较好的预测结果。     

基于支持向量机模型的财务预警应用研究

应用上市公司财务比率数据,采用支持向量机模型(SVM)对上市公司财务危机进行预警,给出了财务预警指标及量化方法,分析了基于支持向量机模型的中长期预警能力。研究结果表明了支持向量机应用于财务预警的可行性和实用性,最后提出了以多模式分类标识财务预警警度的可能性。     

基于免疫算法和支持向量机的人脸识别

提出了一种基于免疫支持向量机人脸识别方法。针对支持向量机学习是一种有导师的学习,引入了否定算法,把人脸特征否定的结果来供支持向量机学习。该算法大大降低了运算复杂度,试验结果表明,该算法与其它方法相比具有较高的识别率。     

一种用于RBF神经网络的支持向量机与BP的混合学习算法

基于支持向量机与径向基(RBF)神经网络在结构上的相似性，提出了一种用于RBF网络的支持向量机与BP的混合学习算法．算法分为2步：首先采用序贯最小优化算法学习训练支持向量机，得到RBF网络较优的初始结构和参数；随后由BP算法调整优化RBF网络参数．混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点．仿真研究表明，混合学习算法学习效率高，网络性能优良，应用于函数逼近时效果优良．     

支持向量机、信息向量机和相关向量机的比较研究

介绍了支持向量机、信息向量机和相关向量机的理论与算法。利用最优化对偶理论,阐述了支持向量机的三种主要算法:硬间隔支持向量机、软间隔线性支持向量机和二次软间隔支持向量机的理论推导过程。对基于高斯过程模型,详细说明了信息向量机和相关向量机算法的实现过程。     

基于DE-SVR的经济效益综合评价模型

为了对经济效益做出客观准确的评价,提出基于差分进化算法的支持向量回归机评价模型。以误差平方和最小为准则,用差分进化算法对支持向量回归机参数进行优化选择,然后利用改进的支持向量机对经济效益进行综合评价。试验结果表明,该模型能从整体上准确、客观地反映经济效益情况,评价结果更符合实际,更加科学合理。     

基于支持向量回归机的油田生产预警模型研究

传统的油田开发动态生产预警采用独立性指标阈值判别方法，从而带来预警结果不准确、异常事件发生时报警而不是预警等问题。本课题提出一种油田生产预警模型，该方法将支持向量回归机（Support Vector Regression，SVR）用于油田生产预警中，通过分析历史生产动态数据，找到它们的变化规律，总结出生产异常警报形成模式，在油田异常事件的初期给出预警信号，提前分析处理潜在隐患，以便保证油田采收效率的稳定性。实验结果证明模型对于油田生产中发生的异常情况具有较高的预测准确性。     

基于支持向量机的我国水产品出口贸易风险预警研究

以支持向量机基本原理的介绍出发,根据风险预警体系的构造原则,建立了一个基于支持向量机(SVM)的水产品出口贸易风险预警模型,并得出了相应的结论和启示。     

空瓶的智能检测算法研究

研究了针对空瓶特点如何设计空瓶的图像采集系统及其从空瓶图像中提取特征的方法．首先提出采用多特征综合的专家系统以适应高速检测的需要．其后又研究了基于遗传支持向量机的决策算法，提出采用遗传算法根据分类准确率来优化支持向量机的参数，以提高分类决策的性能．通过与模糊神经网络的实验比较表明，采用专家决策算法检测速度快；基于遗传支持向量机决策算法的准确率较高，达到94％以上，并具有更好的推广性能。